别再问「要不要上 AI」了：三个问题判断你的业务到底值不值得投

过去一年我参与评审了三十多个企业 AI 项目。成功率和项目投入几乎无关——预算大的项目失败得一样多。真正决定成败的，是场景选得对不对。

以下是我们在实践中固化下来的一套评估框架。

一、三个维度，九个问题

维度一：任务结构（是否可拆解）

AI 擅长的是「结构清晰、输入输出明确」的任务。问三个问题：

1. 这个任务能用一段话描述清楚「输入什么、输出什么」吗？
2. 好结果和坏结果的差异，能说清楚吗？
3. 完成任务需要的信息，是否大多在文本/图像里？

三个都是肯定，适配度高。

反例：某公司的「战略规划辅助」。输入是什么？输出是什么？成功标准是什么？全都说不清。这类项目做半年也做不出东西，最后变成「写了几千字的 AI 报告，没人看」。

维度二：验收标准（是否可自动判定）

这是最容易被忽略的一维，也是决定能否持续优化的关键。

• 可自动判定（如分类正确、字段抽取准确、代码编译通过）：AI 可以做，可以做评测集，可以持续迭代
• 需要人工判定但标准明确（如客服回复是否礼貌得体，有评分 rubric）：可以做，但迭代慢
• 无法判定（如「帮我写个好点的方案」）：不要做，做不出来的

维度三：错误成本（错了会怎样）

• 错误可回滚、成本低：最适合 AI 先行（如内部搜索、草稿生成）
• 错误需人工复核：可以做，但要把「人审」成本算进 ROI
• 错误不可逆、代价高：谨慎，只做「人机协同」不做「自动执行」

二、五类场景的 ROI 实测排序

在被验证过的场景里，ROI 从高到低大致是这个顺序：

第一梯队：知识检索与问答（ROI 常超 300%）

客服知识库、内部规章查询、技术文档检索。特点是：错误可回滚（答错了人再查一遍），验收相对明确，人力密集。

一家客户的技术支持团队 12 人，其中 5 人专门回答重复问题，上 AI 检索后这 5 人转去做深度支持，一年节省的人力成本约 60 万，系统投入 15 万。

第二梯队：结构化信息抽取（ROI 150%-250%）

发票识别、合同要素提取、简历解析、报关单据录入。特点：输入稳定、输出有明确 schema、人工审核成本可控。

关键是必须保留人工复核。宣称 99% 准确率的抽取系统，实际场景里 90% 就已经很好，剩下 10% 的错误成本可能远高于省下的钱。

第三梯队：内容生成辅助（ROI 50%-150%）

文案初稿、邮件草稿、会议纪要。特点是：人的改动比例通常在 30%-60%，节省时间但需要审。

ROI 高度取决于生成任务的标准化程度。电商商品标题生成 ROI 很高（标准化、量大）；品牌广告语生成 ROI 接近零（本来就需要人脑）.

第四梯队：决策支持（ROI 难量化，通常被高估）

流失预测、销售线索打分、库存预测。这类项目失败率最高，因为常被当成纯预测问题，忽略了「干预是否能产生效果」。参见 uplift 建模那套方法，做对了有价值，但周期长、需要实验设计。

第五梯队：自动执行 Agent（ROI 常为负）

自动退款、自动发券、自动改配置。理论上很性感，实际部署时，护栏、监控、审计的成本往往超过收益。除非错误成本极低（比如自动打标签），否则不建议作为第一个项目。

三、一个反常识的结论

最容易成功的场景，往往是「员工最讨厌做但又必须做」的那件事。

我们统计了 30 个项目里最成功的 5 个，共性很清楚：它们解决的都是「重复、无聊、但一定要做对」的任务。比如：

• 每天早上把 20 个系统里的数据汇总成一份日报
• 把客户发来的混乱 Excel 整理成标准格式
• 给每份合同提取 15 个关键字段

这些事情，人做会很烦躁、容易出错，而 AI 恰好擅长。效率提升其实来自”人不愿意做”而不是”AI 做得更好”。

反过来，最失败的 5 个项目，都是想做「需要创造力和判断力」的事：写战略、做创意、定目标。

四、评估表怎么用

上面三个维度，各自打 1-3 分，总分 9 分。我们的经验线：

• 8-9 分：立刻做，三个月出成果
• 6-7 分：可以做，但要限定范围，先做 POC
• 4-5 分：先别做，等模型能力或业务流程成熟
• 3 分及以下：别做，做了也是浪费

用这个表评了三十多个项目，得分和实际成功率的相关性，比任何技术指标都强。

五、最后

AI 不是万能工具，也不是必须上的列车。它是一个在特定条件下极其高效、在其他条件下极其昂贵的工具。

判断的关键动作顺序应该是：

1. 找出这件事里最重复、最烦人、最耗时的部分
2. 确认为什么它必须被人做
3. 算清楚「错了会怎样」

这三个问题答完，答案通常就出来了。大多数人失败，不是因为选错了模型，是因为压根没问这三个问题。